Mengapa Detektor AI Menandai Penulis Non-Native (False Positive)

Anda menulis setiap kata dalam esai Anda. Anda mencantumkan sumber-sumber, merevisinya dua kali, lalu mengirimkannya dengan hati nurani yang jernih. Laporan itu kembali dengan tanda kemungkinan AI, dan sekarang Anda mencoba membuktikan sesuatu yang negatif tentang tulisan Anda sendiri. Jika bahasa Inggris Anda adalah bahasa kedua, ini bukan kebetulan buruk yang jarang, ini pola yang terdokumentasi.

Dan inilah kebenaran yang tidak nyaman: false positive detektor AI jauh lebih mungkin jatuh pada penulis bahasa Inggris non-native dibandingkan penulis native. Bukan karena tulisan non-native lebih buruk. Melainkan karena alat-alat ini mengukur “tekstur” bahasa secara statistik, dan penulisan bahasa kedua yang jelas serta cermat kebetulan berbagi fitur dengan teks buatan mesin yang dilatih untuk dikenali.

Ini bukan keluhan pinggiran dari mahasiswa yang frustrasi. Ini merupakan temuan riset sejawat; ini juga alasan beberapa universitas besar menarik diri dari alat-alat tersebut; dan sebab mengapa pengadilan serta administrator mulai memperlakukan keluaran detektor dengan kehati-hatian yang nyata. Inilah yang benar-benar dikatakan bukti, serta apa yang harus dilakukan bila sebuah detektor keliru.

Temuan studi Stanford tentang bias detektor

Bukti paling kuat berasal dari studi 2023 oleh Liang dan kolega di Stanford, dipublikasikan di jurnal Cell Press yang berjudul, secara lugas, "GPT detectors are biased against non-native English writers."

Para peneliti menjalankan esai melalui tujuh detektor yang banyak digunakan. Untuk esai yang ditulis oleh penutur bahasa Inggris non-native (diambil dari korpus TOEFL), detektor menandai sekitar 61% sebagai AI-generated rata-rata. Untuk esai dari penulis bahasa Inggris native, tingkat false positive kira-kira 5%. Hampir satu dari lima esai non-native, sekitar 19,8%, ditandai sebagai AI secara seragam oleh setiap detektor dalam pengujian. Dalam semua kasus, itu adalah esai manusia.

Mekanisme inilah bagian yang menarik, karena menjelaskan mengapa bias tersebut “tertanam” (bukan kebetulan). Banyak detektor menggunakan sinyal yang disebut perplexity, yakni ukuran seberapa mengejutkan pilihan kata sebuah teks bagi model bahasa. Tulisan yang penuh kata-kata umum dan frasa yang dapat diprediksi menghasilkan perplexity yang rendah, dan perplexity rendah dibaca oleh detektor sebagai mirip mesin. Penulis bahasa kedua sering menggunakan kosakata yang lebih terbatas dan lebih konvensional, bukan karena idenya sederhana, melainkan karena mereka menulis dengan hati-hati dalam bahasa yang bukan bahasa pertama. Detektor melihat permukaan yang mulus dan menyebutnya buatan.

Itulah inti masalah keadilan. Kebiasaan yang membuat prosa bahasa kedua yang cermat menjadi jelas dan benar adalah kebiasaan yang justru alat-alat ini dibangun untuk menghukum.

Mengapa penulisan non-native memicu false positives detektor AI

Ada baiknya kita menelaah mengapa ini terjadi, karena memahaminya dapat mengurangi rasa “nyeri” dari penandaan yang buruk.

Penutur native yang menulis dengan cepat akan menyebarkan idiom, pilihan kata yang tidak biasa, ritme yang aneh, serta sesekali pintasan tata bahasa. Ketidakpastian ini terekam sebagai perplexity yang tinggi dan terbaca sebagai manusia. Penulis non-native, atau secara terus terang penulis akademik yang disiplin, cenderung memilih konstruksi standar yang presisi dan kosakata yang terkontrol. Model bahasa besar juga menyukai konstruksi standar yang presisi dan kosakata yang terkontrol. Detektor tidak dapat membedakan antara manusia yang berhati-hati dan mesin yang berhati-hati, karena pada sumbu spesifik yang diukurnya, keduanya tampak sama.

Tidak ada yang berarti tulisan tersebut kualitasnya lebih rendah. Kejelasan adalah kebajikan dalam prosa akademik, bukan cacat. Artinya hanya satu: detektor sedang mengukur hal yang keliru dan menarik kesimpulan yang terlalu percaya diri dari pengukuran itu.

Kepercayaan diri itulah bahayanya. Alat yang mengeluarkan persentase yang “tajam” terasa otoritatif, meskipun angka tersebut bersandar pada sinyal yang secara sistematis merugikan seluruh kelompok penulis yang memang nyata.

Universitas yang mundur dari detektor AI

Institusi menyadari masalah ini sejak awal, dan beberapa mengambil tindakan.

Pada Agustus 2023, Vanderbilt University menonaktifkan detektor AI milik Turnitin, dan menerbitkan penjelasan yang luar biasa rinci untuk melakukannya. Mereka mencatat bahwa klaim tingkat false positive sekitar 1% tidak akan signifikan bila dibandingkan dengan keseluruhan sebuah makalah, mengingat ada sekitar 75.000 pengajuan per tahun. Namun, fakta bahwa hal itu telah terbukti menghasilkan hasil yang bias terhadap penulis bahasa Inggris non-native, ditambah dengan sifat prosesnya yang tidak transparan (opaqueness), berarti sekitar 750 makalah mungkin berakhir keliru ditandai. Michigan State, University of Texas at Austin, Northwestern, dan University of Pittsburgh mengambil langkah serupa. Southern Methodist University mundur pada Desember 2023, dan University of Waterloo menyusul pada September 2025 setelah menemukan teks yang ditulis manusia mendapat skor “sepenuhnya AI”.

Panduan Turnitin juga bersifat hati-hati. Indikator AI-nya menurunkan angka dari 1 hingga 19%, menggunakan tanda asterisk alih-alih angka, karena false positive lebih sering terjadi pada ujung bawah skala. Selain itu, Turnitin secara eksplisit memperingatkan bahwa skor tersebut tidak boleh digunakan sendiri untuk membuat keputusan terkait integritas akademik. Ini adalah pernyataan vendor kepada institusi agar tidak memperlakukan keluarannya sendiri sebagai bukti, petunjuk kuat tentang seberapa besar bobot yang seharusnya diberikan pada sebuah angka tunggal.

Jika sekolah Anda masih menggunakan alat-alat ini, itu bukan alasan untuk panik. Itu alasan untuk mengetahui hak Anda dan menyimpan bukti, yang akan kita bahas kembali di bawah.

Kasus nyata, dipaparkan secara gamblang

Beberapa sengketa sempat menjadi berita, dan penting untuk memahaminya secara tepat, karena detailnya penting, sementara judul-judul sering mengaburkan.

Dalam kasus Orion Newby di Adelphi University, sebuah esai mahasiswa ditandai sebagai sepenuhnya AI-generated. Seorang hakim federal meninjau persoalan tersebut dan menemukan temuan itu "without merit," memerintahkan agar hal tersebut dihapus dari catatan mahasiswa, seperti dilaporkan pada Februari 2026. Kami uraikan apa yang dilakukan dan tidak dilakukan oleh putusan tersebut dalam putusan Newby v. Adelphi. Di UC Davis, William Quarterman ditandai oleh GPTZero dan membersihkan namanya dengan menggunakan riwayat versi Google Docs, yang menunjukkan esai itu ditulis dari waktu ke waktu. Ini adalah penyelesaian administratif, bukan gugatan.

Satu poin perlu dinyatakan secara lugas, karena banyak ringkasan daring yang keliru. Tidak satu pun dari hasil ini merupakan putusan hukum terhadap Turnitin sebagai perusahaan, dan tidak ada mahasiswa dalam kasus-kasus tersebut yang "menuntut Turnitin dan menang." Sengketa terjadi antara sekolah dan bagaimana suatu tanda digunakan. Pelajarannya tentang proses dan bukti, bukan tentang vendor detektor yang kalah di pengadilan. Jika ditafsirkan secara akurat, kesimpulannya justru memberdayakan: skor detektor adalah klaim, bukan vonis, dan penulis yang benar-benar layak telah berhasil mempertanyakannya.

Apa yang harus dilakukan jika Anda keliru ditandai

Jika sebuah detektor menandai pekerjaan yang Anda tulis, situasinya masih bisa diperbaiki. Penulis yang menyelesaikannya dengan baik biasanya melakukan hal-hal yang mirip.

Simpan draf dan riwayat versi Anda. Google Docs dan Word sama-sama melacak pengeditan dari waktu ke waktu, dan garis waktu tersebut adalah bukti paling persuasif yang bisa Anda ajukan, persis seperti yang terjadi pada kasus UC Davis. Tanyakan, dengan sopan, skor apa yang memicu penandaan dan bagaimana reviewer menafsirkannya, sebab angka yang disembunyikan atau berada di ambang batas adalah dasar yang lemah untuk mengambil keputusan apa pun. Tunjukkan riset dan kehati-hatian institusional di atas jika Anda perlu menyusun argumen tentang keadilan dalam tulisan. Panduan langkah demi langkah kami tentang bagaimana mengajukan banding untuk false AI-detection flag menguraikan proses secara lengkap.

Ke depan, tujuannya bukan untuk menipu alat tersebut. Tujuannya menulis dalam bahasa Inggris yang alami dan meyakinkan agar prosa Anda yang cermat lebih kecil kemungkinan disalahbaca. Selain itu, ungkapkan bantuan AI apa pun sesuai kebutuhan institusi Anda. AI text humanizer kami dibuat untuk tujuan itu, dan jika Anda menulis dalam bahasa Inggris sebagai bahasa kedua, panduan khusus kami tentang AI humanizer for ESL researchers membahas alur kerja dengan lebih mendalam. Sasaran utamanya adalah keadilan bagi karya yang sudah Anda kerjakan, bukan penyamaran.

Sebelum dan sesudah: memperbaiki tekstur “datar” yang membuat detektor tersandung

Teori lebih mudah dipercaya ketika Anda bisa melihatnya pada paragraf nyata. Berikut kutipan hasil yang disusun oleh peneliti ESL dengan bantuan asisten AI untuk merapikan bahasa Inggris. Teksnya terdengar bersih, namun tetap ditandai oleh detektor.

Sebelum (ditandai sebagai kemungkinan AI):

"The results demonstrate that the intervention significantly reduced recovery time by 27% across all cohorts (Chen et al., 2021). This substantial improvement clearly highlights the effectiveness of the proposed approach. The findings confirm the hypothesis and underscore the importance of early intervention."

Tiga kalimat, hampir identik panjangnya, setiap klausa berjalan dengan tempo yang sama. Kosakata aman dan dapat diprediksi. Kerapian seperti inilah yang dibaca detektor sebagai perplexity rendah dan burstiness rendah, dan tekstur yang sama yang menandai banyak penulisan non-native yang benar-benar nyata.

Sesudah (disunting dengan gaya suara penulis):

"Recovery time fell by 27% across the three cohorts (Chen et al., 2021), a bigger drop than we had expected (n = 214). The effect held, though it was weaker in the oldest group. That pattern points to a real benefit from early intervention, but with a sample this size we would not push the claim further than the data allows."

Baca berdampingan, dan kalimat kedua terdengar seperti ditulis oleh seseorang yang mengerjakan pekerjaannya.

Apa yang berubah, dan mengapa penting. Kami mempertahankan setiap fakta yang menjadi “beban utama”: angka 27%, sitasi (Chen et al., 2021), jumlah kohort, dan ukuran sampel. Tidak ada yang bergeser dari bukti tersebut. Yang kami tambahkan adalah variasi. Panjang kalimat kini bergoyang dari panjang ke pendek ke panjang, yang meningkatkan burstiness. Pilihan kata menjadi kurang dapat diprediksi, sehingga perplexity naik. Kami juga memasang kembali bentuk kehati-hatian (hedging): "points to," "we would not push the claim further." Draf AI menghapus kehati-hatian itu, dan alat penyunting yang terlalu menghaluskan juga melakukan hal yang sama, itulah satu alasan mengapa bahasa Inggris non-native yang dipoles cenderung melenceng menuju profil AI.

Ini juga penyuntingan kualitas, bukan trik. Versi sesudah membuat klaim yang lebih terukur dan lebih dapat dipertahankan dibanding versi sebelum, yang terlalu jauh dengan "demonstrate" dan "confirm the hypothesis." Itu poin yang terus kami tekankan: penyuntingan yang menurunkan risiko false-flag biasanya adalah penyuntingan yang sama yang akan bertahan saat tinjauan sejawat. Sebuah academic humanizer dapat melakukan “pass” pertama seperti ini sambil melindungi sitasi dan angka Anda, tetapi Anda tetap perlu membaca setiap baris.

Satu catatan. Tidak ada satu pun penyuntingan yang menjamin skor bersih, dan detektor terus berubah (Turnitin menambahkan deteksi humanizer pada Agustus 2025). Arahkan pada penulisan yang mencerminkan penalaran Anda sendiri, pahami apa yang diukur perplexity, dan ungkapkan bantuan AI sesuai kebijakan jurnal atau universitas Anda.

Pertanyaan yang Sering Diajukan

Q: Mengapa detektor AI menandai penulis bahasa Inggris non-native?

Kebanyakan detektor mengukur seberapa dapat diprediksi pilihan kata dalam sebuah teks, dan penulisan bahasa kedua yang cermat cenderung memakai kosakata yang umum serta standar yang terbaca sebagai perplexity rendah. Kelancaran statistik itu tampak seperti buatan mesin bagi alat tersebut, sehingga menghasilkan false positive detektor AI meskipun manusia menulis setiap kata. Bias tersebut tertanam pada apa yang diukur detektor, bukan pada kualitas tulisan.

Q: Apa yang ditemukan studi Stanford tentang bias detektor?

Studi Stanford tahun 2023 di Patterns menguji tujuh detektor dan menemukan bahwa sekitar 61% esai TOEFL non-native ditandai sebagai AI, dibandingkan sekitar 5% untuk penulis native. Hampir 20% esai non-native diberi label AI secara seragam oleh setiap detektor. Semua esai tersebut ditulis oleh manusia.

Q: Apa yang harus saya lakukan jika keliru ditandai sebagai AI?

Simpan riwayat draf Anda dari Google Docs atau Word, karena garis waktu penulisan yang terlihat adalah bukti terkuat yang Anda miliki. Tanyakan skor apa yang memicu penandaan, cantumkan riset tentang false positives, dan ikuti proses banding yang jelas. Skor detektor adalah klaim yang dapat Anda bantah, bukan vonis akhir.

Q: Apakah universitas sudah berhenti menggunakan detektor AI?

Beberapa membatasi atau menonaktifkannya. Vanderbilt menonaktifkan detektor AI Turnitin pada 2023 karena kekhawatiran false positive dan bias, dan Michigan State, UT Austin, Northwestern, Pittsburgh, SMU, serta Waterloo mengambil langkah serupa. Banyak institusi yang masih menggunakan detektor kini memperlakukan skor sebagai salah satu sinyal, bukan bukti.

Q: Apakah menulis dalam bahasa Inggris yang lebih sederhana meningkatkan risiko saya ditandai sebagai AI?

Sampai batas tertentu, ya. Detektor membaca kosakata yang lebih sederhana dan lebih dapat diprediksi sebagai perplexity rendah, sinyal statistik yang sama yang mereka kaitkan dengan AI. Itulah salah satu alasan mengapa tulisan ESL yang jelas justru lebih sering memunculkan false positives. Perbaikannya bukanlah menggelembungkan kosakata secara artifisial, melainkan memulihkan variasi alami dalam struktur kalimat serta hedging dan suara (voice) Anda sendiri.

Q: Bisakah saya memperbaiki false AI flag dengan menyunting tulisan saya sendiri, alih-alih menggunakan humanizer?

Sering kali bisa. Bacalah draf Anda dengan suara keras, variasikan panjang kalimat, dan masukkan kembali batas-batas yang memang Anda maksud. Ini akan meningkatkan burstiness dan membuat teks terdengar seperti ditulis oleh Anda. Alat bisa mempercepat “pass” pertama, tetapi tujuan utamanya adalah voice yang autentik, dan Anda tetap perlu mengungkapkan bantuan AI apa pun sesuai kebijakan jurnal atau universitas.

Humanizer yang dirancang khusus untuk penulis ESL

Tulis dalam bahasa Inggris akademik yang jelas dan natural, serta kurangi false positives yang paling sering menimpa penulis non-natif, dengan makna dan sitasi tetap terjaga.